5中簡單的異常點檢測方式：
1、標準差法：
在分布內，乙個標準差內的資料為68% ，2個標準差內的資料為95%， 3個標準差內的資料為99.7%
所以3個標準差外的資料，我們可以認為是異常資料。
2、畫箱型圖
在whisker以上和以下的資料都認為是異常資料。
3、dbscan --基於密度的聚類
將資料點劃分到cluster中，如果有點劃分不到任何乙個cluster中，則為異常點。
4、孤立森林（isolation forest）
5、robust random cut forest
引文：《5 ways to detect outliers/anomalies that every data scientist should know》
孤立點檢測的幾種方法
孤立點檢測又稱為異常檢測，離群值檢測等 什麼是孤立點？孤立點是乙個觀測值，它與其它觀測值的差別如此之大，以至於懷疑它是由不同的機制產生的 孤立點的一些場景 1 日誌中的孤立點，試圖入侵者 2 一群學生中的孤立點，天才 or 白痴？3 天氣資料，災害，極端天氣 4 信用卡行為，試圖欺詐者 5 低概率事...
四種檢測異常值的常用技術簡述
摘要 本文介紹了異常值檢測的常見四種方法，分別為numeric outlier z score dbscan以及isolation forest在訓練機器學習演算法或應用統計技術時，錯誤值或異常值可能是乙個嚴重的問題，它們通常會造成測量誤差或異常系統條件的結果，因此不具有描述底層系統的特徵。實際上，...
四種檢測異常值的常用技術簡述
在訓練機器學習演算法或應用統計技術時，錯誤值或異常值可能是乙個嚴重的問題，它們通常會造成測量誤差或異常系統條件的結果，因此不具有描述底層系統的特徵。實際上，最佳做法是在進行下一步分析之前，就應該進行異常值去除處理 在某些情況下，異常值可以提供有關整個系統中區域性異常的資訊 因此，檢測異常值是乙個有價...